Python中按条件查找最大日期值：基金NAV三月收益率计算

首先确保日期列是 datetime 类型，这是时间计算的前提：

import pandas as pd
from datetime import timedelta

# 转换date列为datetime格式
df['date'] = pd.to_datetime(df['date'])

方法一：分组逐行处理（适合新手理解，小数据量） #

这个逻辑和你Excel的数组公式思路一致，先按基金分组，再为每个日期筛选符合条件的最大历史日期：

# 定义处理单只基金数据的函数
def process_fund(group):
    # 对每个日期，找到该基金下<=当前日期-91天的最大日期
    group['prev_max_date'] = group['date'].apply(
        lambda current_date: group[group['date'] <= current_date - timedelta(days=91)]['date'].max()
    )
    return group

# 按基金分组应用函数
df = df.groupby('fund code').apply(process_fund)

# 关联三个月前的NAV数据
df = df.merge(
    df[['fund code', 'date', 'NAV']].rename(columns={'date': 'prev_max_date', 'NAV': 'prev_NAV'}),
    on=['fund code', 'prev_max_date'],
    how='left'
)

# 计算三月收益率，无匹配数据时显示NaN
df['3_month_return'] = (df['NAV'] / df['prev_NAV']) - 1

方法二：用merge_asof高效匹配（大数据量推荐） #

如果数据量较大，逐行apply效率较低，merge_asof是pandas专门用于这类向前匹配最近值的工具，性能更优：

# 按基金代码和日期排序（merge_asof要求输入数据已排序）
df_sorted = df.sort_values(['fund code', 'date'])

# 生成匹配基准：当前日期往前推91天
df_sorted['match_threshold'] = df_sorted['date'] - timedelta(days=91)

# 匹配每个基金下，<=match_threshold的最大日期对应的NAV
df_merged = pd.merge_asof(
    df_sorted,
    df_sorted[['fund code', 'date', 'NAV']].rename(columns={'date': 'prev_date', 'NAV': 'prev_NAV'}),
    left_on='match_threshold',
    right_on='prev_date',
    by='fund code',
    direction='backward'  # 取小于等于阈值的最近日期
)

# 计算收益率
df_merged['3_month_return'] = (df_merged['NAV'] / df_merged['prev_NAV']) - 1

关于你之前代码的问题 #

你写的 max(filter(lambda x: x<=df['date']-timedelta(days=91))) 存在两个核心问题：

• df['date'] 是整个列的Series，不是单个日期值，无法直接和单个timedelta做减法后做筛选
• 没有按基金分组，会把所有基金的日期混在一起计算，逻辑错误

内容的提问来源于stack exchange，提问作者idleriver